基于注意力机制的双流通道房颤检测模型

摘要

心房颤动(atrial fibrillation, AF)作为最常见的心律失常疾病，其早期诊断依赖于对心电图(electrocardiogram, ECG)中形态学与节律特征的精准识别。现有房颤检测方法难以兼顾ECG信号的形态特征与多尺度节律特征，导致关键病理特征建模不完整。针对这一问题，结合残差卷积网络和多尺度时序建模提出一种注意力增强双流通道模型(attention-augmented dual-stream channel model, AADM),通过协同特征提取与动态融合机制实现多维信息互补。采用残差卷积模块(residual convolutional unit, RCU)提取ECG细粒度形态特征以增强局部表征；通过双通道双向循环神经网络网络分别捕获单心跳内QRS-T节律细节与跨心跳RR间期全局时序模式；结合时空注意力机制动态融合形态-节律异质特征。通过8个公开数据集验证，该方法在房颤检测的多项指标上均表现出显著优势。

关键词

房颤检测(AF) / 心电图(ECG)信号 / 形态特征 / 多尺度节律特征 / 注意力增强双流通道模型